MétaCan
Menu
Retour à la cohorte
Enregistrement W3173259230 · doi:10.1515/npprj-2021-0012

Refining pulp for tensile strength

2021· article· en· W3173259230 sur OpenAlexaff
Richard J. Kerekes, Jens Heymer, J. David McDonald

Notice bibliographique

RevueNordic Pulp & Paper Research Journal · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMaterial Properties and Processing
Établissements canadiensJDSU (Canada)Université du QuébecUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésUltimate tensile strengthPulp (tooth)Refining (metallurgy)MathematicsConsistency (knowledge bases)Materials sciencePulp and paper industryComposite materialMetallurgyEngineeringDiscrete mathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Increased tensile strength of paper is a primary objective of low consistency refining. Although refining is typically controlled by Specific Refining Energy and Specific Edge Load, these parameters are not independent because both depend directly on power. To overcome this shortcoming, we derived simplified expressions for the number and intensity of impacts on pulp. The number of impacts reflects the capacity of the refiner to impose loading cycles on pulp. The intensity, combined with a response parameter, reflects the probability of a successful refining event at each impact. Based on these parameters, we employed an equation based on cumulative probability to predict tensile strength of pulp after refining. Non-linear fits of this equation to data from the literature for a wide range of pulps refined by various refiners gave response parameters that were remarkably similar ranging from 1.6–3.3×10−6 1.6\text{--}3.3\times {10^{-6}} kg/J. The resulting probability of successful refining events at each impact was found to be quite small, about 1–3 %. We postulated that this is likely due to most force being imposed at fibre crossings in the pulp network. Consequently, multiple cycles are required to expose other parts of fibres and new fibres to loadings. In summary, this new approach to characterizing refining reflects the stochastic nature of the process and enables a direct quantitative link between refiner operation and fibre development.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,079
Tête enseignante GPT0,339
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNordic Pulp & Paper Research JournalMême sujetMaterial Properties and ProcessingTravaux en français237 207